基于神经网络和SARIMA组合模型的短期交通流预测

被引:14
作者
孙湘海 [1 ]
刘潭秋 [2 ]
机构
[1] 长沙理工大学交通运输学院
[2] 中南大学数学博士后流动站
基金
湖南省自然科学基金;
关键词
短期交通流预测; 季节自回归求和移动平均模型; 广义回归神经网络模型; 组合模型;
D O I
10.16097/j.cnki.1009-6744.2008.05.004
中图分类号
U491.14 [];
学科分类号
摘要
为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势.实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型.然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测.
引用
收藏
页码:32 / 37
页数:6
相关论文
共 3 条
[1]   基于ARIMA与人工神经网络组合模型的交通流预测 [J].
谭满春 ;
冯荦斌 ;
徐建闽 .
中国公路学报, 2007, (04) :118-121
[2]  
Modeling and Forecasting Vehicular Traffic Flow as a Seasonal ARIMA Process: Theoretical Basis and Empirical Results[J] . Billy M. Williams,Lester A. Hoel.Journal of Transportation Engineering . 2003 (6)
[3]  
Short term traffic flow prediction: neural network approach. Smith, B L, Demetsky, M J. Transportation Research . 1994